基于STM32的四旋翼无人机目标跟踪系统设计

本文针对四旋翼无人机的目标跟踪难点问题,设计了一种适用于多种场合的四旋翼无人机目标跟踪系统。该系统以STM32F407为核心,搭载九轴传感器、光流、气压计、OpenMV等模块,通过姿态解算和光流解耦合算法,计算出无人机精确的实时姿态和高度,并通过串级PID算法,实现稳定的飞行控制,在此基础上,通过OpenMV视觉模块进行颜色识别,确定目标位置。经实际测试四旋翼无人机能实现目标跟踪、可扩展性高、适应性强。     

面向航拍小目标的改进YOLOv5n检测算法

针对无人机视角下目标尺度差异大、检测场景复杂、目标小且密集而导致的检测精度不高的问题,提出了一种基于改进YOLOv5n的实时目标检测算法。首先,通过引入轻量通道注意力(ECA)模块提高卷积神经网络对特征图内有效信息的提取能力;其次,在特征金字塔网络输出端后,加入自适应空间特征融合(ASFF)模块,提高不同尺度特征图的识别精度;再次,使用EIoU损失函数计算预测框和目标框的差异值,加快收敛速度并提高检测精度;最后,改进YOLOv5n的检测头,优化模型对小目标的检测性能。在VisDrone数据集上训练测试,相比于基础的YOLOv5n模型,在640×640分辨率下,改进后模型的类平均精度(mAP₅₀)提高了6.1个百分点;在1504×1504分辨率下类平均精度(mAP₅₀)提高了7.1个百分点;同时,改进后的模型检测速度在硬件上可达22帧/s以上。该算法模型在精度提高的同时保证了足够高的检测速度,更适用于无人机的小目标实时检测。     

基于深度学习的搜索广告排序应用

本文在研究卷积(Convolutional Neural Networks)与LSTM(Long Short Term Memory)的基础上,结合两者优势,提出了一种混合模型。首先用卷积神经网络提取关键特征,然后依据LSTM神经网络时序特点进行预测和分类。结果表明:对比浅层或单层网络,本文提出的组合模型较好地提高了点击率预估准确度,从而增强了搜索广告排序应用效果。     

煤矸石堆放的最低费用预测

本文主要研究如何对原地区煤矿堆积煤矸石制订出合理的年度征地方案 ,并对最低费用进行预测 .由于要考虑存贷款、地价上涨、煤矸石的产量以及电费计算等诸多因素的变化 ,人工计算的工作量巨大 ,而且短时间内不能完成 .因此 ,我们通过建立不同的数学模型利用计算机来解决这个复杂的问题 .本文最终从出矸率和自然安息角的各种不同值中 ,找出了对应费用最小的合理方案 ,并对原问题中未涉及到的《土地法》的因素进行了讨论     

基于先验机制的级联目标跟踪算法研究

针对基于相关滤波的目标跟踪算法在光照、快速运动和遮挡情况下发生丢失问题，提出基于先验机制的级联目标跟踪算法。对目标当前状态进行先验，利用上一帧训练的滤波器计算目标位置，再对比前后帧目标发生的变化，从而计算出当前帧发生的挑战情况。在预测阶段加入级联结构，根据先验机制获取的信息选择适当的手工特征和深度特征进行级联，逐步精确目标定位。在模型更新阶段，采取一种学习率阶段衰减的方式，当目标区域出现干扰时，学习率按比例进行降低，减少模型污染，以此应对目标遮挡而引起的目标丢失问题。在OTB＿2013,OTB＿2015和TC-128数据集上进行验证，结果表明该算法在具有光照、快速运动和遮挡挑战的情况下，具有较好的鲁棒性和准确性。